Engineering the Agentic Stack
Der Reihe nach. Beginne beim Loop.
AI-Systeme für den Produktionseinsatz · Berlin
AI-Systeme entwickeln, die sich durch Evidenz verbessern
Ich entwerfe produktionsreife AI-Systeme an der Schnittstelle von Software Engineering, Agenten, Evaluation, Retrieval, Sicherheit und Infrastruktur—und überführe Traces und Fehler in kontrollierte Experimente, zuverlässige Releases und sichereres Verhalten.
Automatisiere das Experiment, nicht die Befugnis, es für sicher zu erklären.
- Staff AI System EngineerSoftware · Agenten · Evaluation · Sicherheit
- 11+ JahreAI und Software in Produktion
- DoktorgradAI-Diagnostik · PhD-äquivalent
- Open Sourcereproduzierbare Systeme
Artikelserien
Building and Evaluating Agent Harnesses
Erst den Harness bauen, dann jede Änderung messen.
Meta-Engineering AI Systems
Von Fehler-Traces zu geprüften Änderungen.
Weitere Themen
KI-Agenten 17 Modellentwicklung 9 KI-Infrastruktur 6 Retrieval- und Sprachsysteme 4 Entwicklungswerkzeuge 8
Meistgelesen
- Retrieval- und Sprachsysteme NER-Leitfaden 2026: GLiNER, spaCy, Transformers und LLMs 42 Min.
- Retrieval- und Sprachsysteme OCR im Jahr 2026: Klassische Pipelines, VLMs und Document AI 22 Min.
- Retrieval- und Sprachsysteme Metriken für RAG: Retrieval, Reranking, Generation 45 Min.
- Modellentwicklung LLM Fine-Tuning Guide: Wann Fine-Tuning, LoRA und QLoRA 28 Min.
Neueste Artikel
Alle Artikel →- Agent oder Workflow: fünf Designs für einen Support-Assistenten 22 Min.
Dieselben Support-Aufgaben als Agent, als Agent mit Freigabe, als Agent in einem Workflow, als Router und als Workflow ohne Agent, verglichen auf einem Testset.
- Einen Agent-Harness entwerfen: von der Aufgabe zur Architektur 28 Min.
Wie die Anforderungen einer Aufgabe einen Agent-Harness formen: Ablaufsteuerung, Tools, Codeausführung, State, Berechtigungen und Nachweise festlegen, bevor man ein Framework wählt.
- Meta-Engineering von AI-Systemen: von Traces zu besserem Gedächtnis 19 Min.
Eine falsche Antwort des Memory-Tools eines Agents in eine getestete Verbesserung verwandeln und dann prüfen, ob ein einfaches Skript dieselbe Korrektur auch ohne LLM gefunden hätte.
Über mich
Die Systeme rund um das Modell sind das Produkt.
Ich bin Slava Dubrov, Staff AI System Engineer mit einem Doktorgrad in AI-Diagnostik. Ich arbeite an Software Engineering, Agentensystemen, Evaluation, Retrieval, Sicherheit und Produktionsinfrastruktur.